脑机百科消息(bciwiki.com)，一种新的机器学习框架在运动想象脑电信号分类中同时实现高准确率与隐私保护，相关研究于2026年7月22日发表在《Healthcare Technology Letters》上。该框架由澳大利亚维多利亚大学的研究团队提出，将空间滤波后的脑电信号离散化为六个符号幅度状态，并构建转移概率矩阵作为主要特征，使原始神经波形难以被重建。
研究在BCI Competition III数据集IVa和IVb上评估了三种机器学习算法，其中MCSS结合支持向量机在所有受试者上取得高于98%的分类准确率，表现出较强的稳健性和跨受试者稳定性。隐私评估显示，成员推断攻击接近随机水平，特征反演攻击的重建相似度较低。研究团队表示，该框架为可扩展的脑机接口开发提供了一种准确、计算高效且保护隐私的解决方案。